DETECÇÃO DE OUTLIERS EM DADOS DE ALTA DIMENSIONALIDADE EM PROCESSOS QUÍMICOS.
1. Biplots. 2. Controle de processo multivariado. 3. Processo petroquímico.
Os processos petroquímicos caracterizam-se por elevada complexidade operacional,
exigindo o monitoramento simultâneo de múltiplas variáveis de processo, alta confiabili-
dade, estabilidade e resposta rápida a desvios. Nesse contexto, a identificação precoce de
outliers é fundamental para reduzir impactos operacionais e financeiros. Este trabalho
propõe um método baseado em métodos clássicos para identificação de observações diver-
gentes em grupos amostrais, utilizando Principal Component Analysis (PCA) e Biplots,
para detecção de outliers em dados multivariados de processos petroquímicos. A abor-
dagem busca suprir lacunas na literatura, oferecendo uma solução aplicável a diferentes
níveis hierárquicos, inclusive equipes sem conhecimento estatístico avançado, e mitigando
limitações de métodos supervisionados, como o overfitting. O método foi avaliado em sete
amostras de teste, sendo comparado à validação de especialistas por meio da análise do
produto final. Os resultados indicaram que a proposta foi eficaz na detecção de outliers em
escala horária, antecipando desvios antes da identificação tradicional, que ocorre apenas
após análises laboratoriais diárias. Essa capacidade de detecção antecipada demonstra
potencial para otimizar a tomada de decisão, reduzir perdas e aumentar a eficiência do
controle de processos petroquímicos.